腾讯混元 Hy4 发布：770B 参数确立优势，实测展现长程 Agent 能力与显著安全改进

一句话结论

腾讯发布 770B 参数模型混元 Hy4，在金融与办公场景评测领先，幻觉率降至 7.2%，支持 Computer Use。

关键要点

• 混元 Hy4 参数规模达 770B，相比前代 Hy3 不足 300B 实现翻倍，并首次引入视觉理解能力。
• 金融评测中 Hy4 得分 3.04，高于 Kimi K3.1 Pro 的 2.68，幻觉率从 12.95% 显著降低至 7.2%。
• 模型支持 Computer Use 功能，结合命令行与图形界面执行任务，针对 Blender、CAD 等场景进行专项训练。
• 办公场景评测中 Hy4 平均得分 83.18 分，任务通过率 96.15%，在 12 个场景中 9 个排名国内第一。
• 定价策略延续 Preview 版，输入每百万 Token 6 元，输出 18 元，缓存命中 0.3 元，部分渠道提供优惠。

背景与事实

2024 年 11 月 4 日，腾讯正式发布新一代大语言模型混元 Hy4。该模型宣称跻身最强开源模型梯队，权重近期开放，并同步发布了 System Card。相比 Hy4 Preview 版本，Hy4 扩大了预训练与后训练数据规模，首次引入视觉理解能力，显著提升了指令遵循、长文本理解及长程 Agent 能力。在参数规模上，Hy4 系列达到 770B，而前代 Hy3 参数规模不足 300B。模型具备 Computer Use 能力，可结合命令行与图形界面执行任务，并针对 Blender、CAD 及跨应用长程任务进行了专项训练。

在应用接入方面，Hy4 已上线腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信智能助理大圆及 ima 等腾讯生态产品。API 接入渠道包括 OpenRouter、Hermes 和 OpenCode。QQ、王者荣耀、和平精英、微信读书、腾讯新闻等产品也陆续接入。定价策略延续 Preview 版标准，输入每百万 Token 6 元，输出 18 元，缓存命中 0.3 元。Hy4 Flash 版本计划近期推出。11 月 4 日至 15 日，WorkBuddy 和 CodeBuddy 提供免费额度；即日起至 2026 年 12 月 31 日，腾讯云 TokenHub 执行五折计费策略。

评测数据显示，在办公场景中，Hy4 平均得分 83.18 分，任务通过率 96.15%，在 12 个细分场景中有 9 个排名国内第一。金融评测由 FiT 组织 213 位专家（其中 153 位为外部专家，约七成具有 5 年以上经验），基于 579 个任务进行测试。Hy4 得分 3.04，高于 Kimi K3.1 Pro 和 GLM-5.3 的 2.68 分，也高于 DeepSeek-V4.1-Flash-1017 的 2.97 分。幻觉率从 12.95% 降至 7.2%，猜测错误率从 23.1% 降至 5.6%。在游戏开发评测中，GameDev 能力提升 19.1%，GameLogic 提升 9.8%，模型适配 Unreal Engine、Unity 及 Godot 引擎。科研评测 TenureTrail 涵盖 7 大学科共 123 项任务。此外，混元还开源了单细胞模型 HyCell 和物理场模型 HyPDE。

安全审计显示，Hy4 未表现出突出的进攻性网络风险；生物安全得分 30.4/100，表明其转化实验方案能力有限。实测环节中，Hy4 在 55 分钟内完成三轮网页塔防游戏开发，耗时分别为 14 分 10 秒、18 分钟、23 分 18 秒，采用 HTML/CSS/JavaScript 技术栈，无后端依赖。在视觉理解测试中，模型成功完成双机器人协同调度路径规划、无碰撞时间表设计及冲突检测。

影响分析

对于中文开发者与从业者而言，混元 Hy4 的发布意味着在保持低幻觉率的同时，获得了更强的长程 Agent 执行能力。分析判断认为，其在 Blender、CAD 及游戏引擎（Unreal、Unity、Godot）上的专项训练，直接降低了多模态交互与自动化工作流的开发门槛。特别是幻觉率降至 7.2% 以及猜测错误率大幅降低，使得模型在金融、科研等高容错率低场景中的部署可信度显著提升，减少了人工复核成本。

此外，腾讯云提供的优惠定价与多渠道接入（如 OpenRouter）降低了 API 使用门槛。分析判断显示，对于追求性价比的团队，Hy4 在 770B 参数规模下展现的办公与金融评测成绩，使其成为替代部分云端闭源模型或高性能开源模型的有力竞争者。Computer Use 能力的引入，允许开发者构建能够直接操作图形界面的自动化代理，这将重塑企业级 RPA（机器人流程自动化）和智能助手的开发范式。

适用边界

该结论主要基于特定评测基准（FiT 金融评测、办公场景、游戏开发）及腾讯生态内的实测数据。分析判断认为，在非腾讯生态的复杂私有化部署场景，或未针对特定行业（如医疗、法律）进行微调时，其通用性能排名可能发生变化。此外，生物安全评分 30.4/100 表明该模型不适用于高风险生物实验方案生成等敏感场景。视觉理解与 Computer Use 功能在极高精度要求的工业控制领域，可能仍存在误操作风险，需严格限制应用边界。

孤本观察

混元 Hy4 通过参数翻倍与视觉引入，试图在开源梯队中建立技术壁垒，但其生物安全评分提示在高风险垂直领域的通用性仍受限。分析判断认为，腾讯正通过“模型 + 工具链 + 生态”的组合策略，强化其在企业级长程任务执行中的话语权。

来源：InfoQ 中文 AI